您好,欢迎来到环球自动化网!

DeepMind研究人员研发出了一种解决机器人控制问题的混合方案

【环球自动化网】

机器人技术的基本问题既涉及离散变量(比如控制模式或齿轮切换的选择),又涉及连续变量(比如速度设定点和控制增益)。通常来说,由于算法或控制策略并不总是适合的,因此这些问题很难解决。这就是为什么谷歌母公司Alphabet的DeepMind的研究人员最近提出了一种技术:连续-离散混合学习,即可以同时优化离散和连续动作,以其本来的形式处理混合问题。

来源:DeepMind

在预印本服务器Arxiv.org上发表的一篇论文详细介绍了他们的工作,这篇论文也在去年10月日本大阪的第三届机器人学习会议上被人接受。作者写道:“许多先进的方法都进行了优化,它们能很好处理离散的或是连续的动作空间,但是却很少有方法能同时处理。能够使用同一算法强大地处理离散和连续动作空间,使我们能够针对任何给定问题都能选择最自然的解决方案策略,而不是让算法上的便利性来决定做出哪种选择。”

团队研发的无模型算法,是指利用强化学习或者奖励实现目标的自主代理人的培训技术,通过连续和离散动作空间来解决控制问题,并通过受控和自主切换来解决混合最优控制问题。此外,这种算法通过使用“元动作”或其他类似方案来扩大动作空间(分别定义了代理人可能感知和采取的状态和动作的范围),从而为解决现有的机器人问题提供了新颖的解决方案,并使策略可以解决类似人工智能训练期间的机械磨损等挑战 。

来源:DeepMind

DeepMind机器人技术

研究人员在一系列模拟和现实基准测试中验证了他们的方法,包括Rethink Robotics公司的Sawyer机器人手臂。据称,基于给定的到达、抓取和拿起魔方的任务,其中奖励是三个子任务的总和,因此他们的算法要优于无法解决任务的现有方法。

那是因为到达魔方需要代理人打开手臂的抓具,而抓取方块需要关闭抓具。作者写道:“一开始,基线将大部分概率集中在较小的动作值上,因此很难移动抓具的手指来看到任何奖励,从而解释了学习曲线上的平稳期。另一方面,这个算法能始终以全速操作抓具,因此改进了探查性,使机器人可以完全完成任务。”

在一个单独的实验中,团队将其算法设置为参数化动作空间马尔可夫决策过程(PAMDP)或一个分层问题,其中,代理人首先选择离散动作,然后为该动作选择一组连续的参数集。在这种情况下,代理人的任务是操纵机器人手臂,以便将钉子插入孔中,然后根据孔的位置和运动学来计算奖励。

研究人员表示,他们的方法比精细方法和粗略方法获得了更大的回报,并且这种算法将来可以作为基础应用到更多的混合强化学习中。论文中写道:“对于专业设计师而言,事先选择合适的模式可能很困难。而我们的方法是很有用的,因为它只需要一个实验,而别的方法都需要通过消融来进行验证。”

分享到:
相关推荐
图客机器人上岗同济大学图书馆 中国制造开启智能盘点时代  2020-01-18 09:59:23
制造业是人工智能应用蓝海,德勤预计中国市场规模年增长超40%  2020-01-18 09:51:14
AI人脸识别赋能寻亲系统,助力走失人员家庭团圆  2020-01-17 10:09:01
制造业巨头们的数字/智能化转型之路盘点·ABB  2020-01-17 09:52:19
中国制造业迈向中高端  2020-01-17 09:44:38
相关问答
如何处理库卡机器人故障问题?   2020-01-10
求电机负载转矩、惯量、运转功率及加速功率的计算方法,感谢  2020-01-02
ABB机器人创建信号及关联信号步骤有哪些?   2019-12-20
发那科机器人的组装流程是怎样的?   2019-12-17
发那科如何编写Fanuc机器人程序?其步骤有哪些?   2019-12-10
热门资讯
1

5G技术将如何改变物流业?

2

50.2% 11月全国制造业PMI重返扩张...

3

全球制造业触底反弹告别至暗时刻...

4

2019工业技术软件化产业发展...

5

站在制造业风口上的国产机器...

6

吴昊:SaaS企业间只有合作才有...

推荐文章

第一个广告
右栏第二个广告